李宏毅机器学习(&深度学习)-学习资料
李宏毅机器学习(&深度学习)课程,内容覆盖CNN、自注意力、Transformer、GAN、自监督、Auto-encoder、Domain Adaptation、强化学习、Policy Gradient、Actor-Critic、逆向增强式学习、机器终身学习、神经网络压缩、元学习等

关键词标签: CNN, 自注意力, Transformer, GAN, 自监督, Auto-encoder, 强化学习, 梯度策略, 逆向增强式学习, 机器终身学习, 神经网络压缩, 元学习

课程介绍

Machine Learning是台大李宏毅老师讲授的机器学习课程,是国语授课中最受欢迎的AI课程之一,课程内容具备很好的前沿度,覆盖了 机器学习与深度学习基础知识与研究界关心的新方向进展(损失函数、优化、神经网络、自注意力、transformer、GAN、领域自适应、强化学习、元学习)。

李宏毅老师的课程通常辅以活泼贴近生活的案例来讲解,对大家理解和学习相关知识有很好的帮助。

课时编号 课时内容
第1.1讲 机器学习基本概念简介
第1.2讲 深度学习基本概念简介
第3讲 机器学习任务攻略
第3.1讲 网络训练1:局部最小值与鞍点
第3.2讲 网络训练2:批次与动量
第4讲 网络训练3:自动调整学习速率
第5讲 网络训练4:损失函数
第7讲 卷积神经网络
第8.1讲 自注意力机制 (Self-attention) 1
第8.2讲 自注意力机制 (Self-attention) 2
第10讲 网络训练5:批次标准化简介
第11.1讲 Transformer1
第11.2讲 Transformer2
第12.1讲 生成式对抗网络1:基本概念介绍
第12.2讲 生成式对抗网络2:理论介绍与WGAN
第12.3讲 生成式对抗网络3:生成器评估与条件式生成
第12.4讲 生成式对抗网络4:CycleGAN
第13.1讲 自督导式学习1:芝麻街与进击的巨人
第13.2讲 自督导式学习2:BERT简介
第13.3讲 自督导式学习3:BERT详解
第13.4讲 自督导式学习4:GPT
第14.1讲 自编码器1:基本概念
第14.2讲 自编码器2:领结变声器与更多应用
第15.1讲 对抗攻击1:基本概念
第15.2讲 对抗攻击2:神经网络与非自然刻意攻击
第16.1讲 机器学习模型的可解释性1:神经网络如何分辨宝可梦和数码宝贝
第16.2讲 机器学习模型的可解释性2:机器心中的猫长什么样子?
第17讲 概述领域自适应
第18.1讲 概述强化学习1:强化学习学习三个步骤
第18.2讲 概述强化学习2:PolicyGradient与修课心情
第18.3讲 概述强化学习3:Actor-Critic
第18.4讲 概述强化学习4:回馈非常罕见的时候怎么办?机器的望梅止渴
第18.5讲 概述增强式学习5:如何从示范中学习?逆向增强式学习
第20.1讲 机器终身学习1:人工智能与灾难性遗忘
第20.2讲 机器终身学习2:灾难性遗忘的克服之道
第21.1讲 神经网络压缩1:神经网络剪枝与大乐透假说
第21.2讲 神经网络压缩2:从各种不同的面向来压缩神经网络
第22.1讲 元学习1:元学习跟机器学习一样也是三个步骤
第22.2讲 元学习2:万物皆可Meta

ShowMeAI课程解读:全套资料

更多技术与课程清单 | 点击查看详细课程

技术方向 课程及链接
计算机数学基础 MIT-计算机科学的数学基础
辛辛那提大学-微积分I
辛辛那提大学-微积分II
辛辛那提大学-离散数学
斯坦福-线性代数与矩阵方法导论
计算机科学导论 斯坦福-计算机科学导论
哈佛-计算机科学导论
MIT-计算机科学与Python编程导论
数据结构与算法 MIT-数据结构与算法设计
马里兰大学-数据结构
数据库 CMU-数据库系统导论
CMU-数据库系统进阶
机器学习及应用 斯坦福CS229
MIT-机器学习导论
深度学习及应用 斯坦福CS230
哈佛-Python人工智能入门
MIT-深度学习导论
李宏毅-机器学习(&深度学习)
应用深度学习(全知识点覆盖)
UC Berkeley-深度神经网络设计、可视化与理解
威斯康星-深度学习和生成模型导论
UC Berkeley-全栈深度学习训练营
自然语言处理 斯坦福CS224n(深度学习与NLP)
斯坦福CS124(从语言到信息)
斯坦福CS520(知识图谱)
马萨诸塞-自然语言处理进阶
计算机视觉 斯坦福CS231n(深度学习与CV)
密歇根eecs498(CS231n进阶课)
慕尼黑工大adl4cv(深度学习与CV高阶课)
多模态 CMU-多模态机器学习
图机器学习 斯坦福CS224w
强化学习 斯坦福CS234(强化学习)
伯克利CS285(深度强化学习)
无监督学习 伯克利CS294-158(深度无监督学习)
AI与生物医疗 MIT-面向生命科学的深度学习
MIT-基因组学机器学习
MIT-医疗机器学习
图形学与几何 CMU-计算机图形学
AMMI-几何深度学习
其他课程 哈佛-基于Python/JavaScript的web编程
MIT-计算思维导论(Julia)
end
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!